WBCT与变分正则化方法的医学图像去噪

在分析几种变分正则化去噪模型的基础上,改进了变分正则化去噪模型,它是各向异性扩散的,去噪效果好,但计算量较大。由于WBCT的阈值法去噪速度快,本文提出了混合去噪方法,充分利用两种方法的优点,先对噪声图像做WBCT,高频子带用WBCT的阈值法去噪,对低频子带用改进的变分正则法去噪,然后用WBCT逆变换重建图像。实验结果表明:这种混合去噪方法比单独用WBCT阈值去噪效果好,计算时间比单独使用正则化方法少,因此混合去噪方法的综合性能最好。

基于Abel变换的图像重建自适应方法

本文论述了利用轴对称物体的单幅投影信息进行密度重建的一种自适应正则化模型。所提模型基于全变分正则项与高阶全变分正则项的联合使用,主要的优点是在保持清晰的界面及恢复平稳变化区域的同时减弱了阶梯效应。并且使用自适应方法,提高了效果的同时简化了所使用的参数。对于其中涉及的最优化问题,我们采用增广拉格朗日方法来解。数值结果表明,这一模型提高了关于密度界面位置及密度值的准确度,具有较好的抗噪性。